通过追踪大规模社交网络中的真实信息流评估多个传播者的集体影响
物理与社会
2016-11-08 v3 社会与信息网络
摘要
识别使信息流最大化的最有影响力的传播者是网络理论中的核心问题。最近，通过集体影响最大化提出了一种称为“集体影响（CI）”的可扩展方法。与单独评估节点重要性的启发式方法不同，CI方法考察多个传播者的集体影响。尽管CI适用于渗流模型中的影响最大化问题，但检验其在真实信息传播中的有效性仍然很重要。在此，我们考察了包括美国物理学会、Facebook、Twitter和LiveJournal在内的各种社交和科学平台上的真实信息流。由于经验数据无法直接映射到理想的多源传播，我们利用从数据中提取的用户行为模式来构建“虚拟”信息传播过程。结果表明，由CI选择的传播者集合能够引发更大规模的信息传播。此外，连接数或引用数等局部度量不一定是真实信息传播中节点重要性的决定性因素。这一结果对于像APS这样的科学网络中的科学家排名具有重要意义，其中常用的引用数可能是作者在社区中集体影响的一个糟糕指标。
引用
@article{arxiv.1606.02740,
title = {Collective Influence of Multiple Spreaders Evaluated by Tracing Real Information Flow in Large-Scale Social Networks},
author = {Xian Teng and Sen Pei and Flaviano Morone and Hernán A. Makse},
journal= {arXiv preprint arXiv:1606.02740},
year = {2016}
}
备注
11 pages, 4 figures